OIN:嘉楠耘智已完成预路演,预计将于11月20日登陆纳斯达克_白嫖steamtogetherbnb

来源:独角兽早知道

据独角兽早知道独家消息源,嘉楠耘智已完成预路演,预计将于11月20日登陆纳斯达克。

11月12日,关于嘉楠耘智联席董事长孔剑平已开始发送请帖的消息在网络上广泛传播。嘉楠耘智相关人士表示,公司绝对没有发请帖的事,“专注研发”。

孔剑平本人亦在朋友圈发文表示,“这个请帖长什么样,谁有可以发我学习下”。

由嘉楠Canaan自主研发的边缘AI芯片勘智K210已经形成销售规模,截至2019年9月30日,公司已向AI产品开发者交付53000多块芯片和开发模组,并与30多家AI算法公司合作,为终端消费者开发整体的AI解决方案。

招股书显示,2018年9月,嘉楠Canaan正式发布第一代AI芯片勘智K210,并于今年3月份正式启动芯片的商业化。该芯片的发布也意味着嘉楠Canaan是全球首个掌握RISC-V架构商用边缘AI芯片自主知识产权的公司。

动态 | 因与公司整体战略存在分歧,嘉楠耘智联合创始人刘向富退出:据CoinDesk报道,根据1月30日更新的政府商业登记数据,嘉楠耘智的三位联合创始人之一刘向富将不再担任该公司的董事会成员。据悉,刘向富自2013年以来一直担任该职位。此外,一位知情人士表示,刘向富已经离开其日常管理职位,并不在担任嘉楠耘智的控股公司Canaan Inc.的执行董事会成员。嘉楠耘智没有回复评论请求。但接近公司的人告诉CoinDesk,由于与公司整体战略存在分歧,刘向富不再担任此前职位。[2019/2/13]

从2016年开始研发到今年规模化商用,走过三年自研芯路的嘉楠Canaan终于结出硕果。同时,嘉楠Canaan也明确了AI芯片研发路线,其中二代芯片勘智K510有望于明年第一季度实现量产,第三代芯片则适用于云端和边缘侧两大场景。

金色晨讯 | 嘉楠耘智考虑美国IPO 泰国批准四家数字资产运营牌照:1.泰国财政部已批准四家数字资产业务的运营牌照

2.两家美国律所对Nano和交易所BitGrail提起诉讼

3.支付宝区块链跨境汇款技术在巴基斯坦落地

4.国际清算银行:70%的中央银行参与数字货币CBDC研究

5.比特币挖矿芯片制造商嘉楠耘智考虑美国IPO

6.国研智库院长:2017年中国的GDP增长中将近20%是由包括区块链在内的三新经济创造

7.高雄市将发行区域性商圈货币“高雄币” 概念来自区块链

8.《自然》杂志公布2018年最热关键词 “区块链”位列前三

9.Gate.io研究院:确认ETC网络遭受51%网络攻击并定位到攻击者地址[2019/1/9]

RISC-V架构充分适用于边缘侧场景

自2016年起,深度学习的突破推动人工智能进入产业界,由此拉开了AI芯片争夺战的序幕。

现场 | 嘉楠耘智邵建良:选择既有好项目进行合作好于选择新项目:金色财经现场报道,在9月14日的世界区块链大会济州技术大会上,嘉楠耘智区块链事业部负责人邵建良在“通证经济圆桌论坛”上表示,在寒冬中集中精力选择目前存量的好项目、好团队长期合作是比较好的选择,整体好于寻找新入场的项目。邵建良认为,在熊市挖矿比在牛市挖矿要好,能获得的价值增长空间更多。[2018/9/14]

AI芯片主要面向两大应用场景,一类是云端,算法模型的训练需要海量数据的吞吐能力,通常部署于数据中心以获得足够的算力。另一类是边缘侧场景,设备需要根据训练后的算法模型进行数据推理,主要面向于计算效率的提升。

边缘计算指的是靠近物或数据源头的一侧,采用网络、计算、存储和应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

现场 | 嘉楠耘智发布阿瓦隆A9、L系列矿机以及区块链电视机、取暖器等新品:金色财经现场报道,2018年8月8日嘉楠耘智在杭州召开“用芯链未来”全球7纳米芯片成功量产新闻发布会上,首款已量产7nm ASIC芯片发布。同时,嘉楠耘智发布了搭配7nm芯片的阿瓦隆A9系列矿机以及搭配12nm芯片的L系列矿机,其中A9系列矿机分为经典版、低功耗版与超低功耗版3个版本,算力范围是22TH/s-30TH/s,能耗比60-80W/T。L系列莱特币矿机采用12nm芯片,算力为1891M,能耗比为0.84W/M。此外,还发布阿瓦隆区块链智能家电产品,其中包括此前曝光的LB4318电视机,它采用43英寸4K屏幕,拥有2.8TH/s算力。可挖矿的阿瓦隆区块链取暖器AV801也在发布会首次曝光,它具有5.6TH/s算力性能,功耗为650W。[2018/8/8]

从技术上看,由于RISC-V拥有精简、低功耗、模块化和可扩展等技术优势,因此尤其适合对生态依赖比较小的封闭或半封闭的,嵌入式人工智能等应用的边缘计算领域,为物联网行业带来显著的灵活性和成本优势。

嘉楠耘智向港交所递交招股书,或成香港第一家区块链上市公司:据招股书披露,嘉楠耘智2017年营业收入达13亿,同比增长超过4倍;2017年净利润为3.6亿,同比增长6.9倍。此前有媒体预测,嘉楠耘智2018年净利润可能超过30亿,年均复合增长率接近10倍。由此推测,此次港股IPO估值有望达1000亿以上。公司目前在中国比特币挖矿硬件设备制造企业中排名第二,若此次在港交所成功IPO,将是香港股市第一家区块链业务为主业的上市公司。[2018/5/15]

锚定边缘侧市场,开启AI芯片自研路

考虑到边缘侧场景对功耗和算力的限制,嘉楠Canaan从一开始就基于RISC-V架构进行芯片研发,使其芯片可根据实际场景需求灵活拓展指令,增强产品的可编程性。同时,得益于RISC-V架构轻量级的特性,勘智K210可以在更低的功耗条件下进行数据处理。

得益于RISC-V架构开源的特性,嘉楠Canaan能够在此基础上进行自主知识产权的研发。

其中,勘智系列芯片的核心网络加速器KPU完全基于自研,不仅能加速CNN的推理,也可以对传统图像算法基于卷积的算子进行加速。同时,KPU支持TinyYOLOv2等算法模型,可为TinyML等前沿技术方向提供探索平台。

嘉楠Canaan在招股书称,人工智能技术的发展,特别是与边缘计算相关的技术,以及人工智能应用中对ASIC的接受程度,对公司未来在产品多样化方面的成功至关重要。

嘉楠Canaan之所以选择边缘侧市场作为AI芯片的切入口,主要源于两点:一方面,云端芯片赛道过热,Nvidia、谷歌、亚马逊等巨头均推出了自己的云端AI开发平台及加速解决方案,同时也开始向端侧延伸,例如谷歌发布的TPU。另一方面,相比云端,边缘侧市场尚处蓝海,尤其在国内,很多所谓的端侧智能设备尚未做到依据AI算法来执行任务。

勘智K210落地能力初显

对于AI芯片的落地,嘉楠Canaan董事长兼CEO张楠赓曾表示,“做东西必须得奔着盈利去,嘉楠Canaan不是奔着好玩去的,公司、企业一定要赚钱,而且要明确靠业务本身去赚钱,不能靠政府补贴。AI也一样,嘉楠Canaan也在探索盈利闭环,我们的第一代芯片就在尽力贴合应用场景,帮助客户解决实际问题。”

嘉楠CanaanAI芯片的商业化于今年3月份正式启动。截至今年9月30日,公司在半年内向AI产品开发商发货53000多块芯片和开发套件。其第一代AI芯片勘智K210已部署于智能楼宇、智能家居、智慧能耗和智慧农林业等领域。

在智能楼宇领域,嘉楠Canaan研发的无感门禁系统则在很大程度上弥补国产技术在该领域的空白。该门禁系统基于其自主研发的一代边缘侧AI芯片勘智K210,支持数据离线存储与处理,可在边缘侧存储10000张人脸信息和20000条开门记录,以本地计算方式直接上传人脸特征值等文本结果,无需搭建后端服务器集群与私有云。

在智能家居的场景中,用户隐私是当前AI设备面临的挑战。嘉楠Canaan提供的智能门锁模组能直接在端侧完成人脸图像特征值的提取,不需要上传云端。由于勘智K210功耗仅为0.3W,电池更换频率约一年左右,从而在酒店等场景中也有大规模落地的能力。

在亚洲最大的社区贵阳南明花果园,高层建筑布局密集,服务面积大,流动人口多,以传统抄表的方式无法全面掌握社区能耗数据。为解决传统抄表模式中“高成本、低效率和难入户”的问题,嘉楠Canaan科技部署的智物·磨合采用外挂式边缘计算设备,能够通过能耗表计CNN算法实时处理电/燃气数据。

在治理林业病虫害的业务场景中,嘉楠Canaan与百度、北京林业大学合作,将搭载8通道高性能麦克风阵列的音频处理硬件插入树中,以虫子嗑咬树植的声音为音源,判断害虫的位置。

同时,嘉楠Canaan充分利用K210芯片的视觉能力,将芯片置入40mm见方的智能盒子,通过图像分类和检测的方法判断视野内是否有害虫存在。这种视听综合判断的方法有效提升了判断的效率与精度,在林业、农田都有广泛的应用场景。

明确AI芯片研发规划

针对未来的AI芯片研发,嘉楠Canaan在招股书中披露了其在人工智能芯片领域的路线规划。

招股书显示,目前嘉楠Canaan正在开发第二代28nmAI芯片。与前一代产品相比,新型芯片面向5G场景研发,并大幅提升算力与能效,将用于智能零售、智能驾驶等新场景的探索。第二代芯片的量产有望在2020年第一季度开始。此外,该公司还计划在2020年下半年推出第三代12nmAI芯片,预计将适用于边缘和云计算。

嘉楠Canaan表示,公司的使命是让所有人都能享受超级计算的红利,并使区块链和AI技术得到广泛采用,以改善人们的生活。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

区块博客

[0:15ms0-7:357ms